Школа анализа данных Яндекса

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
м (ссылки)
Строка 2: Строка 2:
Директор Школы Яндекса - профессор Ратгерского университета [[Мучник, Илья Борисович|Илья Борисович Мучник]].
Директор Школы Яндекса - профессор Ратгерского университета [[Мучник, Илья Борисович|Илья Борисович Мучник]].
 +
 +
 +
В Школе Яндекса работает два отделения: отделение анализа данных и отделение computer science. Студенты изучают следующие дисциплины.
 +
 +
'''Анализ данных:'''
 +
 +
* базовые разделы анализа данных (методы построения классификаторов, вычисления мер сходства между объектами, кластерный анализ, методы визуализации и сокращения размерностей);
 +
* методы анализа специальных данных (изображений, символьных последовательностей, текстов на естественных языках и других структурных объектов);
 +
* методы оптимизации, необходимые для построения основных вычислительных процедур (как для базовых задач, так и для специальных).
 +
 +
'''Сomputer science:'''
 +
* дополнительные главы дискретного анализа, теории графов, комбинаторики и теории вероятностей.
 +
* методы построения и анализа эффективных алгоритмов и структур данных;
 +
* современные методы машинного обучения, обработки текстовой информации и распределенных вычислений.
 +
 +
 +
= Преподаватели =
 +
 +
* [[Ширяев, Альберт Николаевич]]
 +
* [[Червоненкис, Алексей Яковлевич]]
 +
* [[Поляк, Борис Теодорович]]
 +
* [[Воронцов, Константин Вячеславович]]
== Ссылки ==
== Ссылки ==

Версия 14:16, 30 ноября 2010

Школа анализа данных Яндекса - организована компанией «Яндекс» в 2007 году с целью подготовки специалистов в области анализа данных и извлечения информации из интернета, проведения фундаментальных научных разработок в этой области и участия в прикладных проектах Яндекса.

Директор Школы Яндекса - профессор Ратгерского университета Илья Борисович Мучник.


В Школе Яндекса работает два отделения: отделение анализа данных и отделение computer science. Студенты изучают следующие дисциплины.

Анализ данных:

  • базовые разделы анализа данных (методы построения классификаторов, вычисления мер сходства между объектами, кластерный анализ, методы визуализации и сокращения размерностей);
  • методы анализа специальных данных (изображений, символьных последовательностей, текстов на естественных языках и других структурных объектов);
  • методы оптимизации, необходимые для построения основных вычислительных процедур (как для базовых задач, так и для специальных).

Сomputer science:

  • дополнительные главы дискретного анализа, теории графов, комбинаторики и теории вероятностей.
  • методы построения и анализа эффективных алгоритмов и структур данных;
  • современные методы машинного обучения, обработки текстовой информации и распределенных вычислений.


Преподаватели

Ссылки

Личные инструменты